面向问答社区的答案推荐方法研究

发布时间：2022-04-23 20:49

　　问答社区为用户提供了一个解决疑难问题,分享知识、经验、见解的交互平台,用户不必烦恼于如何提取关键字来表述他们的信息需求。问答社区包含的内容极为丰富,涉猎的话题也非常广,形成了一个庞大的知识库,并且问题更多的是寻求意见、建议,征集看法的讨论型问题,各个答案都蕴含着对问题有价值的信息,这使得问答社区需要智能化、精准化的个性化推荐服务,以解决当前问答社区中的“信息超载”问题。当前面向问答社区的答案推荐研究主要基于答案的质量,没有充分考虑到不同用户的兴趣偏向;同时,研究更多考虑答案的外部属性,如作者的权威程度、答案与问题相关程度等因素,没有有效利用答案的文本,研究较少涉及语义维度。因此,本文研究并提出一种面向问答社区的答案推荐方法。首先,为降低推荐方法计算量,提高效率,提出改进UserCF,获得目标用户的候选集。接着,提出一种改进LDA主题模型,用于对用户兴趣建模,该方法的改进针对原始LDA主题模型中存在无意义主题的情况,考虑无意义主题下各个词语之间相似度较低的特点,实现了对无意义主题的自动过滤,消除无意义主题对构建用户兴趣向量的影响。其次,提出一种在多维语义空间中表示用户兴趣向量和答案文本的... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 问题方面相关研究
        1.2.2 答案方面相关研究
        1.2.3 用户方面相关研究
    1.3 论文的研究内容
    1.4 论文的组织结构
第2章 相关理论与研究方法
    2.1 推荐系统
        2.1.1 基于内容的推荐算法
        2.1.2 协同过滤推荐算法
        2.1.3 混合推荐算法
        2.1.4 推荐算法面临的问题
    2.2 LDA主题模型
    2.3 Word2Vec
    2.4 XGBoost
    2.5 本章小结
第3章 面向问答社区的答案推荐方法研究
    3.1 面向问答社区的答案推荐方法框架
    3.2 候选集获取
    3.3 用户兴趣建模
        3.3.1 LDA主题模型参数选择
        3.3.2 过滤无意义主题
    3.4 语义空间中答案文本与用户兴趣的相似度计算方法
        3.4.1 建立语义空间
        3.4.2 主题向量和文本向量
        3.4.3 文本-用户兴趣相似度计算方法
    3.5 答案属性特征选择
    3.6 面向问答社区的答案推荐算法
    3.7 本章小结
第4章 实验及结果分析
    4.1 实验环境
    4.2 实验数据集
    4.3 评测指标
    4.4 实验验证及结果分析
        4.4.1 改进LDA主题模型效果分析
        4.4.2 答案推荐方法实验及结果分析
    4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢


【参考文献】：
期刊论文
[1]融合评分差异和兴趣相似性的协同过滤推荐算法[J]. 魏慧娟,戴牡红.  计算机科学. 2018(S1)
[2]基于知识质量的社会化问答社区用户知识共享的演化博弈分析[J]. 王鹏民,侯贵生,杨磊.  现代情报. 2018(04)
[3]基于多维相似度的利基产品推荐方法[J]. 刘业政,熊强,姜元春.  计算机工程. 2018(03)
[4]基于PageRank的网络社区意见领袖发现算法[J]. 周飞,高茂庭.  计算机工程. 2018(02)
[5]潜在狄利克雷分布模型研究综述[J]. 何伟林,谢红玲,奉国和.  信息资源管理学报. 2018(01)
[6]基于吸引子传播聚类的改进双通道CNN短文本分类算法[J]. 王儒,刘培玉,王培培.  小型微型计算机系统. 2017(08)
[7]混合协同过滤算法中用户冷启动问题的研究[J]. 端德坤,傅秀芬.  计算机工程与应用. 2017(21)
[8]基于内容和兴趣漂移模型的电影推荐算法研究[J]. 吕学强,王腾,李雪伟,董志安.  计算机应用研究. 2018(03)
[9]基于情感词典的酒店评论情感分类研究[J]. 陈柯宇,何中市.  现代计算机(专业版). 2017(06)
[10]社交网络中的用户行为分析[J]. 海昕.  软件. 2017(02)

博士论文
[1]社会化问答社区中用户知识行为的影响因素研究[D]. 金家华.哈尔滨工业大学 2015
[2]社区问答系统中若干关键问题研究[D]. 廉鑫.南开大学 2014

硕士论文
[1]社区问答系统中问题推荐机制的研究[D]. 李立新.北京工业大学 2015
[2]基于文本挖掘的律师推荐方法研究与应用[D]. 梁楠.电子科技大学 2015



本文编号：3647959